EEGから下肢のステップ動作の変数速度を解読する

科学分野:

• 神経科学
• 生物医学工学
• リハビリテーション技術

背景:

• 脳とコンピュータのインターフェース (BCI) 制御された外骨格の発達には,脳脳図 (EEG) を用いて下肢の動きを正確に解読することが重要です.
• 既存の方法は,現実世界の神経リハビリテーションの適用のためにさらに精錬する必要があります.

研究 の 目的:

• 線形回帰 (LR) と深層学習 (DL) フレームワーク (CNN-LSTM) の有効性を調査し,地上ステップ中のEEGから3D下肢の動きを解読する.
• 異なるステップ状態に関連する機能的接続性を含む脳活動パターンを分析する.

主な方法:

• 9人の健康な被験者の脳波データを用いて 指示されたステップや 自律的なステップを 実行しました
• 線形回帰 (LR) とコンボリューションニューラルネットワークの長期短期記憶 (CNN-LSTM) ディープラーニングモデルを3D速度解読に適用した.
• 異なる周波数帯における地形と機能的接続性 (FC) の分析を実施した.

主要な成果:

• DL (CNN-LSTM) モデルはLRを大幅に上回り,前後ステップの最高解読精度 (DA) を達成しました (R = 0.63 ± 0.06).
• 感覚運動皮質の活動 (8 - 40 Hz) が優勢で,ダブルキュー状態では額頭からの貢献が追加された.
• 統計的に有意な機能的接続性 (p < 0. 05) は,デルタ,テータ,アルファ/ムー,および低ベータ帯の複数の皮質領域を含む二重キュー群 (G2) にのみ観察された.

結論:

• リアルな運動中の下肢の3D解読は可能である.
• 皮質の同期パターンは 動きの文脈と認知の負荷によって異なります
• 開発されたCNN-LSTMフレームワークは,神経リハビリテーションにおける適応的,意図に基づく外骨格制御の進歩を約束しています.